Hilbert dönüşümü kullanılarak EEG işaretlerinden kanal bazlı şizofren hastalığının tespiti

Basit Öğe Kaydı
dc.authorid0000-0002-0060-1880en_US
dc.authorid0000-0002-9368-8902en_US
dc.authorid0000-0001-9245-6790en_US
dc.contributor.authorTürk, Ömer
dc.contributor.authorÖzerdem, Mehmet Siraç
dc.contributor.authorŞeker, Mesut
dc.date.accessioned2022-11-15T12:39:04Z
dc.date.available2022-11-15T12:39:04Z
dc.date.issued2020en_US
dc.departmentDicle Üniversitesi, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümüen_US
dc.description.abstractElektroensefalografi (EEG) nörolojik hastalıkların tespitinde sahip olduğu çok kanallı ve yüksek zaman çözünürlüklü yapısı ile çalışmalarda etkili bir görüntüleme aracı olarak popülerliğini korumaktadır. Bu çalışmada, Hilbert Dönüşümü (HD) kullanılarak EEG kayıtlarından kanal bazlı şizofreni hastalığının tespiti amaçlanmıştır. İşarete ait sanal bileşenler bu dönüşümle analiz edilip hasta/kontrol gruptan oluşan öznitelik vektörleri Destek Vektör Makinası (DVM) ile sınıflandırılmıştır. Kullanılan EEG veri seti, yaşları 10-14 arasında değişen 39 şizofreni ve yaşları 11-13 arasında farklılık gösteren 39 sağlıklı katılımcıdan elde edilmiştir. Mevcut kayıtlar katılımcının gözleri kapalı konumda iken 10-20 sistemine göre düzenlenmiş 16 elektrot aracılığı ile 1 dakika süresince alınmıştır. Çalışmada kullanılan kanallar frontal, parietal, temporal, central ve oksipital lob’un ilgili bölgelerinden seçilmiştir. Yapılan sınıflandırma işleminde k=10 çapraz doğrulama kullanılarak eğitim ve test kümeleri oluşturulmuştur. Çalışmada sınıflandırma başarımın yanında Tutturma (Precision), Bulma (Recall), F1-Score değerleri de hesaplanmıştır. Çalışmada en iyi sınıflandırma başarımı %95,19 ile frontal lob ’dan oluşan özniteliklerden elde edilmiştir. En düşük sınıflandırma performansının ise temporal lob bölgesinden alınan kanal öznitelikleri olduğu görülmüştür. Sağlıklı ve hasta grupların başarılı şekilde ayrıştırılması, izlenilen metodun klinik tedavilerde uygulanabileceğini, klinisyenlere tedavi edilecek kişinin durumu konusunda fikir verebileceğini göstermektedir. Önerilen çalışma mevcut hali ile şizofreni hastalığı tespitinde literatüre katkı sunacak pratik bir uygulama olarak umut vadetmektedir.en_US
dc.description.abstractElectroencephalography (EEG) maintains its popularity as an effective neuroimaging tool in studies with its multi-channel and high time resolution features for detection of neurological diseases. In this study, it was aimed to detect channel-based schizophrenia disease from EEG recordings using Hilbert Transform (HT). The imagenery components of the markers were analyzed with this transform, and the feature vectors consisting of patient / control groups were classified with the Support Vector Machine (SVM). The EEG data set used was obtained from 39 schizophrenia aged 10-14 and 39 healthy participants aged 11-13. The current recordings were taken during participant's eyes closed for 1 minute through 16 electrodes arranged according to the 10-20 system. The channels used in the study were selected from the relevant regions of the frontal, parietal, temporal, central and occipital lobes. In the classification process, training and test sets were divided with using k = 10 fold cross validation. In addition to the classification accuracy, Precision, Recall, F1-Score values were also calculated in the study. The best classification performance was obtained from the features from frontal lobe with 95,19% rate. The lowest classification performance was found to be the features taken from the temporal lobe region. Discrimination rate of healthy and patient groups shows that the proposed method can be applied in clinical treatments and can give an idea to the clinicians about the status of the patinets to be treated. In its current form, the proposed study serves promising results as a practical application that will contribute to the literature in the detection of schizophrenia.en_US
dc.identifier.citationTürk, Ö., Şeker, M. ve Özerdem, M. S. (2020). Hilbert dönüşümü kullanılarak EEG işaretlerinden kanal bazlı şizofren hastalığının tespiti. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 13(2), 78-86.en_US
dc.identifier.endpage86en_US
dc.identifier.issn2618-5997
dc.identifier.issue2en_US
dc.identifier.startpage78en_US
dc.identifier.urihttps://search.trdizin.gov.tr/yayin/detay/455091
dc.identifier.urihttps://hdl.handle.net/11468/10751
dc.identifier.volume13en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.institutionauthorÖzerdem, Mehmet Siraç
dc.institutionauthorŞeker, Mesut
dc.language.isotren_US
dc.publisherTürkiye Bilişim Vakfıen_US
dc.relation.ispartofTürkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectEEGen_US
dc.subjectŞizofrenien_US
dc.subjectHilbert dönüşümüen_US
dc.subjectDestek vektör makinasıen_US
dc.subjectSınıflandırmaen_US
dc.subjectSchizophreniaen_US
dc.subjectHilbert transformen_US
dc.subjectSupport vector machineen_US
dc.subjectClassificationen_US
dc.titleHilbert dönüşümü kullanılarak EEG işaretlerinden kanal bazlı şizofren hastalığının tespitien_US
dc.title.alternativeDetection of schizophrenia from channel based EEG signals using hilbert transformen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Hilbert Dönüşümü Kullanılarak EEG İşaretlerinden Kanal Bazlı Şizofren Hastalığının Tespiti.pdf
Boyut:
650.89 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Makale Dosyası
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
[ X ]
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Elektrik Elektronik Mühendisliği Bölümü Koleksiyonu
TR-Dizin İndeksli Yayınlar Koleksiyonu